Il costo economico della violazione dei diritti di - euipo

Transcript

Il costo economico della violazione dei diritti di proprietà
intellettuale (DPI) nel settore dei prodotti cosmetici e di
igiene personale: relazione su uno studio pilota
Quantificazione della violazione nel settore della fabbricazione di profumi e cosmetici (NACE 20.42)
03 | 2015
www.oami.europa.eu
Il costo economico della violazione dei diritti di proprietà intellettuale
(DPI) nel settore dei prodotti cosmetici e di igiene personale:
relazione su uno studio pilota
2
3
www.oami.europa.eu
Project Team
Nathan Wajsman, Chief Economist
Carolina Arias Burgos, Economist
Ringraziamenti
Gli autori ringraziano il CEFIC (Consiglio europeo delle federazioni dell’industria chimica), Cosmetics Europe
e le società operanti nel settore che hanno fornito contributi e informazioni utili per il presente studio pilota.
Si ringraziano anche per i preziosi commenti critici il professor Meindert Flikkema, Facoltà di Economia e
Business Administration, VU University Amsterdam e il dottor Benjamin H. Mitra-Kahn, economista capo, IP
Australia.
4
Sommario
Sintesi
06
1. Introduzione
08
2. Effetti della contraffazione nel settore dei prodotti cosmetici e dell’igiene personale
11
3. Conclusioni e prospettive
17
Appendix A: The first-stage forecasting model
18
Appendix B: The second-stage econometric model
22
Appendix C: Results at country level
30
Riferimenti
32
5
www.oami.europa.eu
Sintesi
L’Osservatorio europeo sulle violazioni dei diritti di proprietà intellettuale (“l’Osservatorio”) è stato creato per
migliorare la comprensione del ruolo della proprietà intellettuale e delle conseguenze negative delle violazioni
dei diritti di proprietà intellettuale (DPI).
In uno studio svolto in collaborazione con l’Ufficio europeo dei brevetti1, l’Ufficio per l’Armonizzazione nel
Mercato Interno (UAMI), operando tramite l’Osservatorio, ha calcolato che il 39% dell’attività economica
totale dell’UE viene generato da settori a elevato utilizzo dei diritti di proprietà intellettuale e il 26% circa
dell’occupazione totale nell’UE è fornito direttamente da questi settori , con un ulteriore 9% degli impieghi
nell’UE derivanti dall’acquisto di beni e servizi provenienti da altri settori da parte delle attività a elevato utilizzo dei diritti di proprietà intellettuale.
Le percezioni e i comportamenti dei cittadini europei in relazione alla proprietà intellettuale, alla contraffazione e alla pirateria2 sono state valutate anche nell’ambito di un’indagine a livello di UE. Questa indagine ha
rivelato che, benché i cittadini riconoscano il principio del valore della PI, essi tendono anche a giustificare, in
alcuni casi, le violazioni a livello individuale.
L’Osservatorio ha attualmente intrapreso uno sforzo per completare il quadro, valutando l’impatto economico
della contraffazione e della pirateria.
Si tratta di un esercizio impegnativo dal punto di vista metodologico, perché consiste nel tentativo di far luce
su un fenomeno che, per sua natura, rimane nascosto. Per aprire la strada alla quantificazione della portata,
1 - “Intellectual Property Rights intensive industries: contribution to economic performance and employment in the European Union”
(Settori a elevato utilizzo dei diritti di proprietà intellettuale: contributo ai risultati economici e all’occupazione nell’Unione europea), settembre 2013.
2 - Cittadini europei e proprietà intellettuale: percezione, consapevolezza e comportamento, novembre 2013.
6
Sintesi
delle dimensioni e dell’effetto delle violazioni dei DPI nell’Unione europea, secondo quanto indicato nel suo
mandato, l’Osservatorio ha sviluppato un approccio graduale per valutare l’effetto negativo della contraffazione e le sue conseguenze per le imprese legittime, i governi e i consumatori, e in ultima analisi, la società
nel suo insieme.
Sono stati selezionati diversi settori i cui prodotti sono noti per essere oggetto di contraffazione o si presume
che lo siano. Questa relazione presenta i risultati del primo studio settoriale relativo al settore dei prodotti
cosmetici e d’igiene personale3.
Si calcola che l’industria legittima perde circa 4,7 miliardi di EUR di entrate all’anno a causa della presenza di
cosmetici contraffatti (profumi, prodotti di bellezza e per il trucco) e altri prodotti per l’igiene personale, quali
creme di protezione solari, shampoo, dentifrici, creme da barba e deodoranti, nel mercato dell’UE, per una
percentuale pari al 7,8% delle vendite del settore. Ciò si traduce in una perdita di quasi 50 000 posti di lavoro.
Se aggiungiamo gli effetti a catena su altri settori e sulle entrate statali, tenendo conto degli effetti diretti e
indiretti, la contraffazione in questo settore provoca un calo delle vendite pari a circa 9,5 miliardi di EUR e
ciò comporta a sua volta la perdita di circa 80 000 posti di lavoro e una perdita di entrate statali pari a 1,7
miliardi di EUR.
3 - La denominazione ufficiale del settore è: codice NACE 20.42 “Fabbricazione di profumi e cosmetici”. La classificazione NACE è la
classificazione ufficiale delle attività economiche utilizzata da Eurostat, l’Ufficio statistico dell’Unione europea.
Sintesi
7
www.oami.europa.eu
1.Introduzione
Un grave problema che ha ostacolato l’effettiva applicazione dei diritti di proprietà intellettuale (DPI)
nell’Unione europea è legato a una scarsa conoscenza dell’esatta portata, delle dimensioni e dell’effetto delle
violazioni dei DPI. Molti tentativi di quantificare la portata della contraffazione e le sue conseguenze per le
imprese, i consumatori e la società nel suo insieme hanno risentito della carenza di una metodologia consensuale e coerente per la raccolta e l’analisi dei dati sulla contraffazione e la pirateria in vari settori. Sono
stati utilizzati vari approcci, come le indagini, gli acquisti anonimi, il monitoraggio delle attività online, che
rendono molto più difficile aggregare i risultati per l’intera economia. La natura stessa del fenomeno in esame
rende estremamente arduo quantificarlo in maniera affidabile, in quanto è inevitabilmente difficile ottenere
dati completi relativi a un’attività nascosta e segreta.
Questa sfida ha ostacolato a sua volta il compito dei soggetti impegnati nel far rispettare l’applicazione dei
diritti di proprietà intellettuale e responsabili di stabilire priorità e programmi precisi e obiettivi di applicazione in quanto hanno limitato le possibilità di elaborare politiche più mirate e campagne di sensibilizzazione
basate su dati di fatto.
Per contribuire a superare questa sfida, tenendo interamente conto dei vincoli metodologici, l’Osservatorio ha
sviluppato un approccio specifico, che ha sperimentato nel settore dei prodotti cosmetici e di igiene personale.
Questo settore, denominato ufficialmente Fabbricazione di profumi e cosmetici da Eurostat4, comprende vari
tipi di prodotti, quali:
profumi e acque da toeletta;
prodotti di bellezza e per il trucco;
preparazioni antisolari e preparazioni per abbronzare;
preparazioni per manicure o pedicure;
shampoo, lacche per capelli, preparazioni per ondulazione o stiratura;
dentifrici e preparazioni per l’igiene orale, comprese preparazioni per facilitare l’adesione delle dentiere;
preparazioni da barba, comprese preparazioni prebarba e dopobarba;
deodoranti e sali da bagno;
prodotti depilatori;
fabbricazione di saponi cosmetici.
L’approccio utilizzato in questo studio si propone di valutare la portata dei due principali effetti economici
della contraffazione, ovvero i costi diretti e indiretti per il settore e i costi per il governo/la società.
4 - Codice NACE 20.42 di Eurostat
8
01. Introduzione
1) Costi diretti per il settore
I costi per il settore sono costituiti principalmente dal calo delle vendite dovuto alla contraffazione. La stima
del calo delle vendite dovuto alla violazione è quindi un primo passo necessario, poiché implica di per sé
un’importante conseguenza economica e comporta altre conseguenze, ad esempio la perdita di entrate fiscali
pubbliche.
La metodologia si basa sull’adattamento di una metodologia sviluppata per la Commissione europea5 in modo
da poterla utilizzare a livello settoriale anziché a livello aziendale, metodologia che si è rivelata molto difficile
da applicare nella pratica.
Le variazioni nelle vendite di un settore vengono analizzate con tecniche statistiche che consentono al ricercatore di collegarle a fattori economici e sociali e, pertanto, di stimare il calo delle vendite subito dai titolari
dei diritti a causa della contraffazione.
Il calo delle vendite comporta anche una perdita di posti di lavoro nel settore interessato, la cui portata può
essere ricavata dai dati statistici europei sull’occupazione per il settore in esame.
2) Effetti indiretti della contraffazione
Oltre al calo diretto delle vendite nel settore individuato, si registrano anche effetti su altri settori dell’economia
dell’UE. Tali effetti indiretti sono il risultato del fatto che i vari settori dell’economia acquistano beni e servizi
tra loro per utilizzarli nei processi produttivi. Se le vendite di un settore si riducono a causa della contraffazione, questo settore acquista meno beni e servizi dai suoi fornitori, provocando un calo delle vendite e
corrispondenti effetti sull’occupazione in altri settori.
3) Effetto sulle finanze pubbliche
Dal momento che l’attività in questione è illegale, è probabile che le persone che sono impegnate nella fabbricazione e distribuzione di beni contraffatti non paghino le corrispettive tasse sulle entrate e sui redditi.
Pertanto, un ulteriore effetto della contraffazione è la perdita di entrate fiscali risultante per lo Stato, in
particolare le imposte sul reddito e i contributi sociali, le imposte sulle società e le imposte indirette, quali le
accise o l’IVA.
Per fare una valutazione di tali costi, vengono stimate diverse relazioni. La metodologia è spiegata interamente nelle Appendici A e B e viene brevemente descritta di seguito.
5 - RAND (2012) : Measuring IPR infringments in the internal market (Misurazione delle violazioni dei DPI nel mercato interno). Relazione elaborata per la Commissione europea.
01. Introduzione
9
www.oami.europa.eu
Fase 1: stima del calo delle vendite dovuto alla contraffazione
Le vendite previste del settore vengono generate e confrontate con le vendite effettive in ogni paese, secondo
quanto riportato nelle statistiche ufficiali. La differenza può essere spiegata quindi da fattori socio-economici,
come l’evoluzione del reddito delle famiglie, o da fattori demografici, ad esempio, la percentuale di donne di
età compresa tra 20 e 49 anni (dal momento che si presume che questo gruppo consumi ingenti quantitativi
di prodotti cosmetici). Inoltre, sono importanti i fattori correlati alla contraffazione, quali il comportamento
dei consumatori , le caratteristiche dei mercati di un paese e il relativo contesto giuridico e normativo7. Viene
analizzata la differenza tra previsioni e vendite effettive per ricavare il livello di consumo dei prodotti contraffatti.
Fase 2: conversione del calo delle vendite in perdita di posti di lavoro e di entrate pubbliche
L’industria legittima vende meno di quanto avrebbe venduto in assenza di contraffazione, pertanto impiega
anche un minor numero di lavoratori. Il calo si registra nei settori manifatturiero e del commercio all’ingrosso
e al dettaglio, di conseguenza vengono utilizzati i dati di Eurostat sull’occupazione in questi settori per stimare il calo dell’occupazione correlato alla riduzione delle attività legittime a seguito del calo delle vendite
dovuto alla contraffazione.
Oltre al calo diretto delle vendite nel settore, si hanno anche effetti indiretti su altri settori in quanto il settore
in questione acquista anche meno beni e servizi dai propri fornitori, causando un calo delle vendite ed effetti
corrispondenti sull’occupazione in altri settori.
Inoltre, la riduzione dell’attività economica nel settore privato influisce anche sulle entrate statali, sostanzialmente entrate fiscali, quali l’IVA, le imposte sul reddito delle famiglie e le imposte sugli utili delle società,
nonché i contributi previdenziali.
Va notato che l’effetto indiretto del calo delle vendite a causa della contraffazione comprende soltanto le
perdite nei settori che contribuiscono alla fabbricazione e alla distribuzione di prodotti legali nell’UE. Nel presente studio vengono ignorati i possibili effetti positivi degli input previsti per la produzione o la distribuzione
di prodotti illegali che potrebbero essere fabbricati all’interno o all’esterno dell’UE. In altri termini, l’effetto
indiretto calcolato è un effetto lordo che non tiene conto dell’effetto a lungo termine dello spostamento delle
vendite dai produttori legali a quelli illegali, o del fatto che una parte delle vendite di prodotti contraffatti si
svolge attraverso i canali di vendita legittimi. L’effetto netto sull’occupazione potrebbe quindi essere inferiore
all’effetto lordo calcolato in questa sede8.
6 - Vengono utilizzati i risultati dello studio sulla percezione della PI pubblicato dall’UAMI nel novembre 2013, come la propensione
dei cittadini dell’UE ad acquistare intenzionalmente merci contraffatte.
7 - Nel presente studio viene utilizzato l’indice della qualità normativa della Banca mondiale.
8 - D’altra parte, la presente relazione valuta soltanto l’effetto sulle vendite del settore dei prodotti cosmetici e di igiene personale
all’interno del mercato dell’UE. Pertanto, nella misura in cui i prodotti contraffatti nei mercati esterni all’UE sostituiscono le esportazioni dei produttori legittimi dell’UE, vi è un’ulteriore perdita di occupazione nell’UE, che non viene registrata in questa sede.
10
01. Introduzione
Analogamente, mentre le attività illecite non generano gli stessi livelli di entrate fiscali delle attività legali,
nella misura in cui la distribuzione e la vendita di prodotti contraffatti vengono realizzate nei canali di vendita legittimi, viene riscossa una certa quantità di imposte dirette e indirette su questi prodotti, pertanto la
riduzione netta delle entrate statali può essere inferiore all’effetto lordo calcolato in questa sede. Sfortunatamente, i dati attualmente disponibili non consentono di calcolare tali effetti netti con un grado di precisione
sufficiente.
La sezione seguente presenta le principali conclusioni dello studio.
01. Introduzione
11
www.oami.europa.eu
Il punto di partenza è la stima del consumo di questi prodotti in ogni paese.
Sulla base dei dati ufficiali sulla produzione, sugli scambi e sui margini commerciali intra ed extra UE, si stima
che il consumo totale dell’UE è stato pari a 60 miliardi di EUR nel 2011 , ossia quasi 120 EUR pro-capite.
In base a questi dati è stata stimata la differenza tra vendite previste e vendite effettive per ogni paese (appendice A) e analizzata con metodi statistici (allegato B), mettendo in relazione la flessione nelle vendite con
fattori (chiamati variabili in gergo economico) quali:
il consumo pro capite di questi prodotti e l’indice dei prezzi al consumo dei prodotti di igiene
personale (variabili socio-economiche);
percentuale della popolazione che ha riferito di aver acquistato prodotti contraffatti intenzionalmente nello studio sulla percezione della PI e tasso di crescita dell’indice della qualità normativa
della Banca mondiale10 (variabili relative alla contraffazione).
Le stime risultanti del calo delle vendite dovuto alla contraffazione per tutti gli Stati membri sono indicate
nella figura riportata di seguito11. Si tratta dell’effetto diretto della contraffazione, trattato in precedenza.
Per ogni paese, la barra indica l’effetto della contraffazione sul settore, espresso come percentuale delle vendite, mentre i rombi indicano l’intervallo di confidenza del 95% di tale stima12. Le cifre rappresentano una
media per i cinque anni dal 2007 al 2011.
9 - Nel 2011, la produzione dell’UE ammontava a 32 miliardi di euro. Le esportazioni nette verso i paesi terzi erano di 11 miliardi di euro, con 21
miliardi di euro (a prezzi di fabbrica) di consumi nell’UE. I margini commerciali all’ingrosso e al dettaglio erano pari a 39 miliardi di euro, di
conseguenza la somma spesa in ultima istanza dai consumatori dell’UE era pari a 60 miliardi di euro.
10 - L’indice della qualità normativa della Banca Mondiale riflette la percezione della capacità del governo di formulare e attuare politiche
sane e regolamenti che consentano e promuovano lo sviluppo del settore privato.
11 - Nell’appendice C è riportata una tabella con i risultati sottostanti per paese.
12 - L’intervallo di confidenza del 95% è un calcolo statistico che significa che vi è una probabilità del 95% che la cifra reale sia compresa tra
i limiti inferiore e superiore di tale intervallo. Ad esempio, per l’UE nel suo complesso la percentuale stimata del calo delle vendite è del
7,8%, con una probabilità del 95% che la percentuale reale sia compresa tra il 7,2% e l’8,3%, come mostrato nella tabella dell’appendice C.
12
Per l’intera Unione europea13, l’effetto totale della contraffazione stimato è pari al 7,8%
del consumo (4,7 miliardi di EUR). Si tratta di una stima diretta del calo delle vendite
subito dall’industria legittima nell’UE ogni anno a causa della contraffazione in questo settore, compreso il calo registrato nei settori della fabbricazione e del commercio
all’ingrosso e al dettaglio.
L’industria legittima vende meno di quanto avrebbe venduto in assenza di contraffazione, pertanto impiega anche un minor numero di lavoratori. Il calo si registra nei settori
manifatturiero e del commercio all’ingrosso e al dettaglio, di conseguenza vengono utilizzati i dati di Eurostat sull’occupazione in questi settori per stimare il calo dell’occupazione
conseguente al calo delle vendite dovuto alla contraffazione. I rapporti occupazione/vendite per i tre settori a livello di UE vengono utilizzati per stimare il corrispondente calo
dell’occupazione nel settore legittimo dei prodotti cosmetici e di igiene personale, per un
totale di 51 561 posti di lavoro nell’UE.
13 - La stima è stata effettuata utilizzando i dati provenienti da 20 Stati membri. Dal momento che questi paesi rappresentano il 90%
del consumo totale dell’UE28, è sensato applicare i coefficienti risultanti anche agli otto Stati membri per i quali non erano disponibili i dati sulla variabile dipendente.
13
www.oami.europa.eu
Nella tabella seguente sono riportati i risultati dettagliati del calo delle vendite e del’’occupazione per
settore:
Calo delle vendite (Mio EUR)
Perdita di posti di lavoro
Fabbricazione
1 762
10 667
Commercio all’ingrosso
1 938
14 010
Commercio al dettaglio
1 009
26 884
Totale
4 708
51 561
Circa la metà dei posti di lavoro persi si registra nel settore del commercio al dettaglio, seguito dal commercio
all’ingrosso e dalla fabbricazione. Come accennato in precedenza, questo calcolo non tiene conto di eventuali
infiltrazioni di merci contraffatte nel canale di vendita legittimo, il che significa che il calo di occupazione
netto nel commercio all’ingrosso e al dettaglio potrebbe essere inferiore al calo lordo indicato in questa sede.
Effetto indiretto
Oltre al calo delle vendite diretto nel settore dei prodotti cosmetici e d’igiene personale, vi sono anche effetti su altri settori dell’economia dell’UE, perché il settore che subisce un calo delle vendite a causa della
contraffazione acquista anche meno beni e servizi dai propri fornitori, come nel caso dell’industria chimica,
del packaging ecc., provocando un calo delle vendite e corrispondenti effetti sull’occupazione in altri settori.
Al fine di valutare questo effetto indiretto vengono utilizzati i dati di Eurostat14, che mostrano la quantità
di acquisti effettuata all’interno dell’UE dal settore dei profumi e cosmetici presso altri settori per realizzare
i propri prodotti15.
Poiché il consumo finale di profumi e cosmetici, stimato nella presente relazione, comprende i margini del
commercio all’ingrosso e al dettaglio e non solo il valore della produzione, la domanda finale considerata è di
4,7 miliardi di EUR, di cui 1,8 miliardi corrispondono al valore della produzione (NACE 20.42), 1,9 miliardi al
margine del commercio all’ingrosso e 1 miliardo di EUR al margine del commercio al dettaglio16.
14 - Le tavole input-output pubblicate da Eurostat forniscono la struttura dei requisiti degli input per la produzione di una determinata
domanda finale considerando anche se l’origine di tali input è nazionale o importata.
15 - Le tavole input-output vengono fornite da Eurostat a livello delle due cifre della classificazione NACE anziché delle quattro
cifre. Ciò significa che per calcolare l’effetto del calo delle vendite nel settore NACE 20.42 è necessario utilizzare la struttura
dell’industria chimica nel suo complesso (NACE 20).
16 - I codici NACE per i rispettivi settori sono: 46.45 (Commercio all’ingrosso di profumi e cosmetici) e 47.75 (Commercio al dettaglio
di cosmetici, di articoli di profumeria e di erboristeria in esercizi specializzati).
14
Con questi presupposti, utilizzando i dati statistici europei per l’anno di riferimento 2009, il fabbisogno
dell’economia dell’Unione europea per la produzione di una domanda finale di profumi e cosmetici del
valore di 4,7 miliardi di EUR ammonta complessivamente a 9,5 miliardi di EUR, ripartito nei seguenti
settori (miliardi di EUR):
Industria chimica
Commercio all’ingrosso
Commercio al dettaglio
Servizi legali e contabilità
Elettricità e gas
Magazzinaggio
Immobiliare
2,3
2,3
1,1
0,3
0,3
0,2
0,2
Servizi finanziari
Valori mobiliari
Noleggio e leasing
Pubblicità
Costruzioni
Altri settori
TOTALE
0,2
0,2
0,1
0,1
0,1
2,1
9,5
Pertanto, al di là degli effetti diretti sui settori coinvolti nella produzione e distribuzione di profumi e cosmetici (4,7 miliardi di EUR di vendite annuali), altri 4,8 miliardi si perdono in altri settori
dell’economia a causa della contraffazione. È questo l’effetto indiretto della contraffazione17.
Per quanto riguarda l’occupazione, se si aggiungono le perdite nei settori dei fornitori al calo
dell’occupazione diretto nel settore dei prodotti cosmetici e di igiene personale, il calo dell’occupazione
totale risultante dalla contraffazione di profumi e cosmetici è stimato a 78 959.
Infine, la riduzione dell’attività economica nel settore privato legittimo ha ripercussioni anche sulle entrate
statali18. Se si accetta questo presupposto, è possibile calcolare le mancate entrate fiscali che avrebbero generato le vendite di profumi e cosmetici, stimate a 4,7 miliardi di EUR, oltre al gettito fiscale corrispondente
alla perdita totale (diretta e indiretta) dei 9,5 miliardi di EUR calcolati in precedenza.
17 - Come menzionato nella sezione 1, questo calcolo presume che i prodotti contraffatti siano prodotti al di fuori dell’UE. Qualora
fossero (in parte) prodotti all’interno dell’UE, l’impatto indiretto sarebbe minore rispetto a quello indicato nella tabella, in quanto
i produttori illegali presumibilmente si approvvigionerebbero in parte da produttori europei.
18 -Conformemente all’OMPI (2010) e all’OCSE (2008), la maggior parte del lavoro empirico presuppone che la contraffazione avvenga
nei mercati informali, che non generano entrate fiscali.
15
www.oami.europa.eu
I tre principali tipi d’imposte considerate sono19: imposta sul valore aggiunto (IVA), imposte sul reddito familiare e imposte sul reddito o sugli utili delle società.
1) L’IVA persa è stimata sulla base del consumo familiare delle vendite dirette perse nel settore dei profumi e cosmetici (4,7 miliardi di EUR)20, che ammontano a 713 milioni di EUR.
2)Le imposte sul reddito familiare perse, stimate sulla base della percentuale di salari generati dal calo
dell’occupazione rispetto ai salari totali, considerando gli effetti diretti e indiretti sull’occupazione,
ammontano a 416 milioni di EUR.
3)Le imposte sui profitti delle imprese perse sono stimate basandosi sulla percentuale di costi diretti e
indiretti per il settore e ammontano a 143 milioni di EUR.
Inoltre, vengono stimati i contributi previdenziali correlati alle perdite dirette o indirette di occupazione. I dati
dei contributi previdenziali per settore sono disponibili in Eurostat, per consentire che i contributi previdenziali per dipendente in ogni settore possano essere utilizzati per il calcolo dei contributi persi come conseguenza
della contraffazione. Tali contributi previdenziali persi ammontano a 463 milioni di EUR.
La perdita totale di entrate statali (imposte sul reddito delle famiglie e contributi previdenziali, imposte sul reddito delle società e IVA) può essere stimata approssimativamente
in 1,7 miliardi di EUR.
19 - Gli aggregati fiscali di contabilità nazionale sono pubblicati da Eurostat e forniscono informazioni sui pagamenti totali per queste
tre imposte a tutti i livelli di governo.
20 - L’IVA generata dagli effetti indiretti non è stimata perché gli input sono usi intermedi su cui in genere non si paga l’IVA.
16
Il primo studio pilota che ha cercato di quantificare per un settore specifico (in questo caso il settore dei
prodotti cosmetici e d’igiene personale) la portata e l’impatto delle violazioni dei DPI, ha fornito una stima
significativa delle dimensioni del problema della contraffazione per le imprese legittime e per la società in
termini di mancate vendite, che hanno determinato la perdita di posti di lavoro e di entrate pubbliche. Il
presente studio ha messo la metodologia alla prova e ha dimostrato i vantaggi che derivano dal lavorare in
cooperazione con le parti interessate per trarre il massimo beneficio dalla loro conoscenza delle condizioni
di mercato del settore, basandosi, al contempo, su dati statistici europei armonizzati per condurre l’analisi.
A questo primo studio settoriale faranno seguito, nei prossimi mesi, altri studi simili che coprono una dozzina di settori diversi e applicano la stessa metodologia abbinandola ai dati e ai contributi di conoscenza
provenienti dalle parti interessate di questi settori. Tali settori includono abbigliamento, calzature e accessori;
farmaci; tabacco; valigie e borse; articoli da viaggio e oggetti di gioielleria; bevande alcoliche (birra, vino e
alcolici) nonché i settori di giochi e giocattoli, computer e componenti automobilistici.
In parallelo, l’Osservatorio ha avviato uno studio congiunto con l’Organizzazione per la cooperazione e lo
sviluppo (OCSE) per stimare il valore delle merci contraffatte nell’ambito del commercio internazionale e per
esaminare i casi d’infrazione nei settori della musica, del cinema e degli e-book, in questo caso con il sostegno
del Centro comune di ricerca della Commissione europea.
Nell’insieme, questi studi si completano a vicenda e forniranno un quadro completo e obiettivo degli effetti
delle violazioni dei DPI in Europa, al fine di aiutare i responsabili politici a sviluppare politiche di applicazione
delle regole efficaci.
17
Appendix A:
The first-stage forecasting model
Overview
The methodology used in the study is depicted in the following figure and explained in detail in this Appendix
and in Appendix B.
CONSUMPTION BY
COUNTRY
FORECAST
MODEL
FORECASTING
ERRORS
B: COUNTERFEITING
RELATED VARIABLES
A: SOCIO-ECO
VARIABLES
The first stage in the model for quantification of infringement requires building models that produce forecasts of sales of products in each country. Assuming that a reasonably long time series of sales by country
is available, a model is created that explains the trend of this time series and predicts the value of sales in
subsequent years.
Once the forecast has been generated, the forecasting error is the difference between the prediction and the
actual consumption, expressed as a share of actual consumption in order to avoid the effect of differences in
the magnitude of consumption across countries and years:
where Yit is consumption in country i and year t (measured in EUR) and Yit is the forecast of Yit obtained using information until t-1.
The relative error q*it measures to what extent the forecasting model has estimated a higher than actual value
as a share of actual consumption. It is thus positive if the model over-forecasted consumption and negative
in case of under-forecasting.
The forecasting errors are not interesting in and of themselves. The purpose of this study is not to produce a
“good” forecast but rather to generate a set of relative forecasting errors which can then be analysed in the
second stage. Forecasts were estimated based on univariate models and using an automatic procedure, which
ensures that they are comparable and not polluted by a priori knowledge of factors influencing changes in
demand.
19
www.oami.europa.eu
Obtaining forecasts using ARIMA models
Various methods for obtaining forecasts exist. The so-called Box-Jenkins approach has been in widespread
use since the early 1970s. It involves estimating models that only need past values of a variable to forecast
future values of the same variable. These models are called univariate Autoregressive Integrated Moving Average (ARIMA) models (or univariate Box-Jenkins models) and have become very popular due to their simplicity
and easy interpretation. They often deliver better forecast performance than econometric models.
In order to obtain the simplest possible forecast, comparable across all Member States, univariate ARIMA
models are applied. These models only use the past values of each variable to predict future consumption. In
effect, an ARIMA model is simply an extrapolation of trends, albeit one that uses an advanced extrapolation
method.
An ARIMA model can be expressed as follows:
Where Yit represents sales of a product in country i and year t. The model explains the value in year t as a function f of values in the preceding k years. But since the value of sales in a year cannot be determined exactly
based on past values, an error term, denoted uit, remains.
Such univariate models explain what would happen next year ‘ceteris paribus’, that is, assuming that factors
which influence sales have not changed or are not expected to change. Therefore, these models include the
effects of counterfeiting on product sales to the extent such effects persist over time.
Once the function f has been estimated, and assuming that factors that influence Y have not changed, the
forecast for a future year t+j can be obtained by applying the estimated equation:
In summary, the ARIMA forecast provides the expected sales for year t+j if underlying trends do not change,
including the influence of counterfeiting.
For the estimation of the ARIMA models in this study, the TRAMO software was used. This software was developed by Banco de España and is widely used in many official institutions18.
TRAMO provides an automatic procedure, which tests for log and level specification, interpolates missing
observations and performs automatic model identification and outlier detection. The main criteria used in
21 - http://www.bde.es/bde/es/secciones/servicios/Profesionales/Programas_estadi/Programas_estad_d9fa7f3710fd821.html
20
the automatic model identification are: out-of-sample forecasts test, Bayesian Information Criteria (BIC) and
minimum Mean Squared Error (MSE) of forecasting errors with special consideration of parsimonious and
balanced models (orders of total AR and MA). The models are estimated by exact maximum likelihood (ML).
This method was used to generate the stage 1 forecasts in this report. First, the complete time period 19952011 was used to interpolate missing data. Then, forecasts were estimated for year t (t= 2007, 2008, 2009,
2010 and 2011) using the time span until t-1 so that one-period-ahead forecasts for 5 years were obtained.
A sequential updated forecasting run was carried out, re-estimating models with each additional data point.
This yielded estimated forecasting errors for five years (2007 to 2011) for each of 20 countries. These forecasting errors are quite volatile, mainly because consumption is also very volatile, with annual variation ranging between +50% and -30%.
The forecasting errors, defined as the differences between forecast and actual values of Yit, were used in the
second stage of the demand model. It must be underlined that the one-period-ahead forecasting errors estimated with ARIMA models follow a white noise process that is stationary and thus uncorrelated in time with
zero mean and constant and finite variance.
The relative forecasting errors, expressed as a share of actual consumption, for the 20 countries are shown
below
RELATIVE ERRORS %
2007
2008
2009
2010
2011
AUSTRIA
0.2
3.1
-0.4
1.5
-1.1
BELGIUM
-11.1
24.0
-23.2
0.4
-2.9
CYPRUS
4.5
-6.9
11.5
5.9
9.4
GERMANY
2.8
-16.9
12.4
-7.3
5.4
DENMARK
1.
17.1
-2.8
2.9
23.2
-10.9
-10.2
-8.3
0.8
-14.0
SPAIN
4.1
11.4
10.3
9.7
-0.1
FINLAND
NA
-0.7
-4.3
-1.3
2.2
FRANCE
-10.0
NA
1.5
-3.6
-1.9
-12.8
GREECE
HUNGARY
-27.3
8.3
11.8
-4.6
ITALY
-4.4
-2.1
-3.1
-17.3
0.8
LITHUANIA
-23.0
-30.9
27.9
18.2
39.3
LUXEMBURG
NA
NA
-34.5
-8.5
-28.7
POLAND
-8.9
6.2
33.3
-33.0
19.4
PORTUGAL
-11.8
5.1
-3.1
34.1
5.0
ROMANIA
NA
20.3
13.4
-4.2
8.0
SWEDEN
-36.5
-8.0
19.9
-116
-5.8
SLOVENIA
-23.8
-10.0
-6.8
9.6
2.2
SLOVAKIA
3.0
32.0
6.1
37.8
19.5
UNITED KINGDOM
4.4
6.8
4.3
-7.3
-10.6
Thus, while the overall forecasting error over the five years was small, at 0.2%, there was significant variation
across time and among countries.
21
Appendix B:
The second-stage econometric model
Specification of the model
The residuals from the first stage forecasting model are analysed in the second stage by estimating a “demand” model. This is not a model of demand in the traditional sense of the word, as it includes elements of
both demand and supply of the goods in question; rather, it can be thought of as a model describing the
quantity transacted in the relevant market. Nonetheless, for ease of expression, the term “demand model” is
used in this report.
The demand model can be written as:
where Xit is a matrix of explanatory variables unrelated to counterfeiting and Zit a matrix of variables related
to counterfeiting.
is the remaining error.
Variables considered explanatory, but not related to counterfeiting, could include:
1. Per capita consumption of perfumes and toilet preparations;
2. Gross Disposable Income (GDI) of the household sector: per capita income and growth;
3. Prices: Harmonized Index of Consumer prices (ICP) for articles for personal care (COICOP 1212-1213);
4. Women 25-49 years: % of total population;
5. GDP per capita and GDP growth;
6. Population growth;
7. Exchange rate of Euro vs. other EU currencies.
Some of these variables could be indirectly related to counterfeiting, such as economic growth. Nevertheless,
only variables clearly related to propensity of consumers to buy counterfeit goods (as reflected in the literature) are included in the second group of variables.
Some of these variables are correlated with each other. High correlation coefficients between explanatory
variables (referred to as multicollinearity) present a common problem in econometric analysis. If two or more
explanatory variables with high correlation are included in the model, the coefficients estimated for these
variables could be mistakenly considered insignificant (small t-statistics) with high overall significance of the
model (using the F-test). Also, the estimated regression coefficients might change drastically when a variable
is added or deleted.
Therefore, when two explanatory variables are highly correlated, only one of these variables should be included in the model in order to avoid this problem.
For instance, per capita consumption of perfumes and toilet preparations, per capita Gross Disposable Income
(GDI) of the household sector and per capita GDP are highly correlated with each other. During model develAppendix B: The second-stage econometric model
23
www.oami.europa.eu
opment, all three variables were tested, but no model should include more than one of them.
Variables considered related to counterfeiting22 (and thus candidates for inclusion in the matrix Zit in the
equation above) include:
1. Population at risk of poverty or social exclusion: share of total population;
2. Distribution of income by quartiles (share going to the lowest quartile);
3. Gini coefficient (a measure of income inequality);
4. Several variables selected from the Observatory IP Perception study23 and from Eurobarometer;
5. Corruption Perceptions Index, CPI (level and growth);
6. Intellectual Property Right Index;
7. Worldwide Governance Indicators (World Bank): Government effectiveness, regulatory quality, rule of law
and control of corruption;
8. World Bank International Tourism Index;
9. Sales in stalls and markets (from survey to trade enterprises);
10. Internet purchasers (% of population and growth);
11. Share of imports of NACE 2042 products from countries with high rates of seizures of perfumes and cosmetics (China, United Arab Emirates, Hong Kong, Turkey) and their growth rate.
Variables 1 to 4 in the list are considered to be drivers of demand for counterfeiting related to consumer
characteristics.
Population at risk of poverty, income of the first quartile and the Gini coefficient are all variables that describe
the degree of inequality of the household income distribution. As summarised in WIPO (2010), some studies
find that a high degree of income inequality appears to cause a greater demand for fake goods. Only one of
these variables was included in each model in order to avoid multicollinearity.
Variables selected from the IP Perception study and Eurobarometer are related to a single year (2007, 2009,
2011 or 2013) because the methodology of the studies is so different that they cannot be combined to obtain
a variable that varies across time. Therefore, the same value is used in each country for the five years included
in the model so that it is a variable similar to country-fixed effects (time invariant effects) but with significant
range of variation across countries.
The variables considered from these surveys were: % of population that has bought counterfeit products
intentionally and % of population that consider it acceptable to buy counterfeit products in some situations.
22 - A list of factors affecting demand and consumption for counterfeit goods is available in OECD (2008).
23 - Available at: https://oami.europa.eu/ohimportal/en/web/observatory/ip_perception.
24
The correlations between explanatory variables from the IP Perception study and Eurobarometer are significant, and these variables are also correlated with variables related to sales via Internet and sales in markets.
Variables 5 to 7 are considered to be drivers of counterfeiting related to institutional characteristics of each
country.
The Corruption Perception Index is published by Transparency International and measures how corrupt public
sectors are seen to be by the public in each country. The level of this index and the change in the index from
year to year are considered as potential explanatory variables related to counterfeiting.
The Intellectual Property (IP) Rights Index used is published by Property Rights Alliance and measures the
strength of protection accorded to IP. The index included in this study is related to year 2010, and the same
value is used in each country for the five years included in the model as a time invariant variable.
There is a high negative correlation between Corruption Perception and IPR Indexes.
The Worldwide Governance Indicators reflect the perception of government effectiveness, regulatory quality, rule of law and corruption. They are published annually and range from 2.5 for strong regulatory quality
(for the second index) to -2.5, representing weak regulation. These indicators could reflect the perceived risk
when buying or selling counterfeit goods that is considered an explanatory variable in WIPO (2010). These
indexes have a very high negative correlation with the poverty indicators and with the variables from the IP
Perception study and Eurobarometer.
Finally, variables 8 to 11 reflect characteristics of markets for perfumes and toilet preparations that might be
related to counterfeiting.
The international tourism index (number of arrivals) has a high correlation with the survey variables related
to counterfeiting.
Altogether, 65 different explanatory variables were tested and also different econometric techniques were applied in order to select a model with robust econometric results and a clear interpretation. Different models
were estimated starting from a simplified model with a single explanatory variable and moving to more complex models by adding variables but only if they improved the results. Variables not related to counterfeiting
were checked first: different specifications were tried, taking into account the correlation matrix of dependent
and explanatory variables to avoid multicollinearity. Once the most appropriate explanatory variables in Xit
matrix had been decided, residuals of this preliminary model represent the share of the relative forecasting
errors left unexplained by the variables not related to counterfeiting. A correlation matrix of explanatory
variables related to counterfeiting (Zit matrix) and also including residuals from the first regression were then
analysed in the same way. Only a few models including variables in both X and Z matrices were selected, and
as a final step, residuals were analysed in order to check compliance with the usual assumptions for regression models. Finally, one model was selected based on residuals tests and significance and clear interpretation
of coefficients. Estimation of the value of lost sales due to counterfeiting was carried out using this model.
25
www.oami.europa.eu
Estimation using Weighted Least Squares
When analysing the results obtained from the different model specifications tested, it became evident that the
model residuals are correlated with the forecasting errors (the dependent variable), indicating of the possible
presence of heteroscedasticity. A stable residual variance is one of the conditions for the correct estimation
of the model using the most common regression method, Ordinary Least Squares (OLS). For this reason, an
alternative estimation method, Weighted Least Squares (WLS) was used to generate the results shown in Section 2 .
One of the conditions that an econometric model must comply with is the stability of the variance of errors.
This is referred to as homoscedasticity. Once a model is estimated, if the errors do not have a common variance, then heteroscedasticity is present. This is a problem that must be corrected. Otherwise, the estimators
will be inefficient and the confidence intervals invalid.
In many cases heteroscedasticity is due to important variables omitted from the model. If that is the case, then
in principle the problem can be corrected by correctly specifying the model to include all relevant variables.
In the case of the models in this report, many specifications were estimated with different explanatory variables, but the variable set was restricted by the requirement of using homogeneous and official information
for all countries. Therefore, if heteroscedasticity was caused by omitted variables, it could not be easily solved.
It is common to see heterocedasticity in regressions explaining economic behaviour when the variance of the
residuals depends on regressors or on the dependent variable.
Another cause for heteroscedasticity can be the measurement error in the dependent variable when it is estimated in an auxiliary analysis and some observations are more accurate than others.
In the demand model used for estimating the impact of counterfeiting, the dependent variable is the forecasting error provided by univariate ARIMA models. This is an example of Estimated Dependent Variable (EDV)
models. In the first stage, not only the forecasting errors have been estimated, but also a measure of their
accuracy--the Standard Errors (SE) of the forecasts.
In general, EDV regression models are the second stage in a two-stage estimation process. Statistical tests can
be used to determine whether heteroscedasticity is present24. If this is the case, then a consistent estimator
can be obtained by dividing the OLS estimate by a measure of the variability of forecasting errors, a special
case of WLS estimation.
The WLS estimation requires a measure of variance of the residuals. In this study, the standard error (SE) of
the stage 1 forecasts was used for this purpose.
24 - Heteroscedasticity was tested based on White and Breusch-Pagan tests. A Feasible Generalized Least Squares (FGLS) method was
also tested but rejected.
26
This way, the varying reliability of the forecasts is taken into account, and each observation in the demand
model is inversely weighted by the SE of the forecasting error (which is the dependent variable in the stage
2 regression).
The estimation by WLS is carried out by applying OLS to the model transformed by dividing all variables
(dependent and explanatory) by the estimate of the SE of the residuals from the first-stage ARIMA model.
The original model is:
This model is then transformed as follows:
where denotes the SE of the residuals. This equation is then estimated using OLS. It should be noted that
this model does not have an intercept term and therefore includes an additional variable, the inverse of the
SE of forecasting models, which is denoted ‘constant’ in the next table.
Residuals of final model estimated by WLS were analysed to check compliance with the usual assumptions of
regression models. The tests included: the White test for heteroscedasticity; correlations among explanatory
variables and coefficients and tolerance analysis for multicollinearity; and the Durbin-Watson test for autocorrelation of residuals. All tests indicated that the residuals complied with the assumptions25.
Model results
The results of the final estimated model are shown in the table below.
Variable
Coefficient
Standard
Error
t Statistic
95% Confidence interval
Lower
Upper
Constant
0.0718
0.0412
1.7405 *
-0.0102
0.1537
Per capita consumption
-0.0010
0.0002
-4.1792 ***
-0.0014
-0.0005
IP Perception study: buy counterfeit
intentionally
2.0609
0.4474
4.6064 ***
1.1720
2.9497
WB Index Regulatory Quality (growth)
-0.4452
0.1548
-2.8753 ***
-0.7528
-0.1376
R square = 49%
F statistic = 17.5 ***
* significant at 90% confidence level
** significant at 95% confidence level
*** significant at 99% confidence level
25 - All results of diagnostic tests are available on request.
27
www.oami.europa.eu
This model explains 49% of total variance of the stage 1 residuals using four explanatory variables. For each variable, the first column shows the estimated coefficient of that variable; the second column shows the standard error,
while the third column indicates whether the estimated coefficient is statistically significant at the 90%, 95% or 99%
confidence levels26.
Two of the explanatory variables are economic in nature: per capita consumption of perfumes and toilet preparations, and the index of consumer prices of products for personal care. The first variable has a negative coefficient, meaning that in countries with a higher per capita consumption, forecast errors tend to be smaller; the level
of prices has the opposite effect. Between them, these two variables explain 32% of the total variance of the stage
1 forecasting errors.
The other two variables are related to counterfeiting: the percentage of the population reporting having bought
counterfeit products intentionally in the IP Perception study and the growth rate of the World Bank Index of Regulatory Quality. The World Bank Index of Regulatory Quality reflects perceptions of the ability of the government
to formulate and implement sound policies and regulations that permit and promote private sector development.
The IP Perception study variable coefficient has a positive sign, while the World Bank Index growth has a negative
impact on the dependent variable. These two variables explain 17% of the variance of the stage 1 forecasting errors.
The main objective of the model is the estimation of coefficients for variables related to counterfeiting. Therefore,
the stability of these coefficients, depending on different specifications of the model, was checked by estimating
eight alternative models including the two variables mentioned and different explanatory variables not related to
counterfeiting. Other variables considered in these eight models are: exchange rate between euro and other national
currencies, per capita Gross Disposable Income of the household sector, per capita GDP and GDP growth. The table
shows the value of coefficients for the IP Perception and World Bank index variables in each of the models estimated,
with the first model being the one presented above:
Model
IP perception
WB Index
1
2.0609
-0.4452
2
2.1227
-0.4446
3
2.1012
4
-0.4676
5
1.8044
-0.4121
6
2.0203
-0.4260
7
2.2824
-0.4452
8
2.3119
-0.4445
9
2.0565
-0.4780
27 - If, for example, an estimated coefficient is significant at the 95% confidence level, then one can say that the probability that the
true coefficient is zero and the estimated value was obtained solely by chance is 5%. The “t-statistic” shown in the third column
is simply the estimated coefficient divided by its standard error. The last two columns show the 95% confidence interval for the
coefficient; in other words, the true coefficient lies in the interval between the lower and upper bounds with a 95% probability.
28
As can be seen from the table, the two coefficients of interest remain stable even as the economic variables
are changed. Such stability is a good indication that the model is correctly specified.
Using the model results to estimate loss of sales due to counterfeiting
The effect of counterfeiting on the sector’s sales can now be obtained by applying the coefficients estimated
in the first model to the value of the two variables considered related to infringement:
Where C*it represents the sales lost due to counterfeiting in country i in year t (expressed as the fraction of the
sector’s actual sales), Z1it and Z2it are the values of the two variables related to counterfeiting in that country
and year, and the ’s are the estimated coefficients from the table at the beginning of this section.
Taking Finland as an example, in the IP Perception study, 1.4% of the Finnish respondents declared having
bought a counterfeit product during the past year; and the growth rate of the World Bank index as an average
in years 2007-2011 is 2.57%. Then, the counterfeiting effect for Finland is calculated as:
2.0609*0.014 - 0.4452*0.0257 = 0.0174, or 1.74%
This is a direct estimate of lost sales of perfumes and toilet preparations in Finland due to counterfeiting.
Put another way, in the absence of counterfeiting and all else being equal, sales of the sector in the Finnish
market would be 1.74% higher than they actually are.
In a similar manner, the counterfeiting effect can be calculated for all 28 EU Member States, applying their
values of the explanatory variables to the coefficients estimated in the model above. While the estimation was
performed using with data from 20 member states, since these countries account for 90% of total consumption of EU28, it is reasonable to apply the resulting coefficients also to the eight Member States for which
data on the dependent variable was not available.
29
Appendix C:
Results at country level
AUSTRIA
BELGIUM
BULGARIA
CYPRUS
CZECH REP.
GERMANY
DENMARK
ESTONIA
GREECE
SPAIN
FINLAND
FRANCE
CROATIA
HUNGARY
IRELAND
ITALY
LITHUANIA
LUXEMBOURG
LATVIA
MALTA
NETHERLANDS
POLAND
PORTUGAL
ROMANIA
SWEDEN
SLOVAKIA
SLOVENIA
UNITED KINGDOM
EU28
Appendix C: Results at country level
LOWER 95%
5.9
12.3
14.2
3.0
4.0
3.0
4.1
6.2
16.7
13.9
0.7
5.9
3.4
5.0
5.0
5.2
14.5
6.6
13.8
4.2
2.3
1.9
12.2
8.2
2.1
6.7
4.5
4.7
7.2
AVERAGE
7.2
15.1
17.5
16.2
5.8
3.9
5.2
7.9
20.3
17.1
1.7
7.6
5.6
3.1
6.2
7.9
18.1
8.5
16.9
6.0
3.2
3.6
15.0
11.1
3.7
8.7
5.8
6.0
7.8
UPPER 95%
8.
17.9
20.7
19.4
7.7
4.9
6.4
9.5
23.9
20.3
2.8
9.3
7.8
7.2
7.4
9.5
21.7
10.4
20.1
7.9
4.1
5.3
17.8
14.1
5.4
10.7
7.1
7.3
8.3
31
Riferimenti
UAMI (2013) Cittadini europei e proprietà intellettuale: percezione, consapevolezza e comportamento.
https://oami.europa.eu/ohimportal/it/web/observatory/ip_perception
OHIM (2013) The European Citizens and intellectual property: perception, awareness and behaviour.
https://oami.europa.eu/ohimportal/en/web/observatory/ip_perception
OCSE (2008) The economic impact of counterfeiting and piracy (Effetti economici della contraffazione e
della pirateria).
http://www.oecd-ilibrary.org/trade/the-economic-impact-of-counterfeiting-and-piracy_9789264045521-en
RAND (2012) Measuring IPR infringements in the internal market. Development of a new approach to
estimating the impact of infringement on sales (Misurazione delle violazioni dei DPI nel mercato interno.
Sviluppo di un nuovo approccio alla valutazione dell’effetto delle violazioni sulle vendite) .
http://ec.europa.eu/internal_market/iprenforcement/docs/ipr_infringment-report_en.pdf
WEFA (1998) The Economic Impact of Trademark Counterfeiting and Infringement. Report prepared for
the International Trademark Association. (Effetti economici della contraffazione e della violazione dei marchi
di fabbrica. Relazione elaborata per l’International Trademark Association)
OMPI (2010) The economic effects of counterfeiting and piracy: a literature review (Effetti economici
della contraffazione e della pirateria: una rassegna della letteratura).
http://www.wipo.int/edocs/mdocs/enforcement/en/wipo_ace_6/wipo_ace_6_7.pdf
Riferimenti
33
www.oami.europa.eu
El coste económico de las vulneraciones de los derechos de PI en el
sector de la cosmética y de la higiene personal:
informe de un estudio piloto
34
35
The economic cost of IPR infringement in the
cosmetics and personal care sector:
report of a pilot study
Quantification of infringement in Manufacture of perfumes and toilet preparations sector (NACE 20.42)

Il costo economico della violazione dei diritti di - euipo

Transcript

Documenti analoghi

Breve Profilo Professionale Ricercatore, direttore di laboratorio di

LACOTE-GUAM: CONTRO LA SPERIMENTAZIONE SUGLI ANIMALI

Scheda Tecnica

Le province italiane e il consumo di prodotti

Yahoo Italia Finanza

Cresce la domanda di cosmetici naturali

Cosmesi, vendite a casa guidano ripresa, spesi

giù il trucco! come scegliere i cosmetici - APPA Trento

SCHEDA INFORMATIVA PRODOTTO COSMETICO AD USO

Campagna pubblicitaria